- 博客(19)
- 收藏
- 关注
RSS订阅原创 深度学习入门(十）-----训练数据和测试数据
注意这里不是“特定的某个人写的特定的文字”，而是“任意一个人写的任意文字”。由于softmax函数的输出可以理解为概率，因此上例表示“0”的概率是0.1，“1”的概率是0.05，“2”的概率是0.6等。第二个例子中，正确解是“2”，神经网络的输出的最大值是“7”。如实验结果所示，我们发现第一个例子的损失函数的值更小，和监督数据之间的误差较小。如上式所示，均方误差会计算神经网络的输出和正确解监督数据的各个元素之差的平方，再求总和。这里，yk是表示神经网络的输出，tk表示监督数据，k表示数据的维数。
2022-09-23 11:30:00
2308
原创 深度学习入门（九）
对于不同的问题，必须使用合适的特征量（必须设计专门的特征量），才能得到好的结果。比如，为了区分狗的脸部，人们需要考虑与用于识别5的特征量不同的其他特征量。也就是说，即使使用特征量和机器学习的方法，也需要针对不同的问题人工考虑合适的特征量。比如，不管要求解的问题是识别5，还是识别狗，抑或是识别人脸，神经网络都是通过不断地学习所提供的数据，尝试发现待求解的问题的模式。在第2个方法，即利用特征量和机器学习的方法中，特征量仍是由人工设计的，而在神经网络中，连图像中包含的重要特征量也都是由机器来学习的。
2022-09-21 04:30:00
350
原创 深度学习入门（八）------MNIST数据集处理
比如输出[0.1, 0.3, 0.2, ..., 0.04]的数组，该数组表示“0”的概率为0.1，“1”的概率为0.3，等等。然后，我们取出这个概率列表中的最大值的索引（第几个元素的概率最高），作为预测结果。可以用np.argmax(x)函数取出数组中的最大值的索引，np.argmax(x)将获取被赋给参数x的数组中的最大值元素的索引。这表示有93.52 %的数据被正确分类了。将normalize设置成True后，函数内部会进行转换，将图像的各个像素值除以255，使得数据的值在0.0～1.0的范围内。
2022-09-19 10:32:40
1046
原创 深度学习入门（七）-----手写数字识别
one-hot表示是仅正确解标签为1，其余皆为0的数组，就像[0,0,1,0,0,0,0,0,0,0]这样。实际上，上例中a的各元素的大小关系和y的各元素的大小关系并没有改变。load_mnist函数以“(训练图像 ,训练标签 )，(测试图像，测试标签 )”的形式返回读入的MNIST数据。在实际的问题中，由于指数函数的运算需要一定的计算机运算量，因此输出层的softmax函数一般会被省略。比如，对于某个输入图像，预测是图中的数字0到9中的哪一个的问题（10类别分类问题），将输出层的神经元设定为10个。
2022-09-15 15:56:26
572
1原创 深度学习100例-生成对抗网络（GAN）手写数字生成 | 第18天（三）
申明：参加CSDN21天学习挑战赛博客中的文章代码，均为K同学啊的博客中深度学习100例中限时开放的文章代码。手写数字生成的训练模型代码
2022-08-17 17:11:25
339
原创 深度学习100例-生成对抗网络（GAN）手写数字生成 | 第18天（二）
Keras.layers.Flatten(input_shape=[])用于将输入层的数据压成一维的数据，一般用再卷积层和全连接层之间（因为全连接层只能接收一维数据，而卷积层可以处理二维数据，就是全连接层处理的是向量，而卷积层处理的是矩阵）。在任何情况下，直接使用metrics下面的函数名是总不会出错的。有的处理的是one-hot形式的y_input(数据的类别)，有的处理的是非one-hot形式的y_input。有的处理的是二分类问题的metric，有的处理的是多分类问题的metric。...
2022-08-17 10:02:02
487
原创 深度学习100例-生成对抗网络（GAN）手写数字生成 | 第18天（一）
最初，伪造者向警察展示随机生成的假钞票，警察识别出钞票是假的，伪造者根据收到的反馈制造了新的假钞票。在GAN的场景中，最后得到了可以生成和真实图片非常相似的图片的生成网络，以及可以高度识别伪造品的判别网络。GAN(Generative Adversarial Networks)是两个网络的的组合， 一个网络生成模拟数据， 另一个网络判断生成的数据是真实的还是模拟的。实验证明， 利用这种网络间的对抗关系所形成的网络， 在无监督及半监督领域取得了很好的效果， 可以算是用网络来监督网络的一个自学习过程。...
2022-08-15 16:10:37
417
原创 深度学习100例-循环神经网络（RNN）实现股票预测第9天之三
训练数据调整为数组列表是不存在问题，数组是有维度的，np.array()把列表转化为数组可以用x_train.shape来查看自己的数据形状，现在数据处理好了。
2022-08-13 18:07:31
328
原创 深度学习100例-循环神经网络（RNN）实现股票预测第9天之二
对于人类来说，根据以前的经验，我们首先会从西瓜这个具体的事物中抽取一些有用的信息，比如西瓜的颜色、瓜蒂的形状、敲击的声音等，然后根据一定的规则在这些信息的基础上进行判断————一般情况下我们认为颜色青绿、根蒂蜷缩、敲击浊响的西瓜是好瓜。机器学习主要的工作就是提取出有用的特征（比如卖西瓜的人的性别这个特征对判断西瓜是否是好瓜基本是没有用的，就不是一个好的特征），然后根据已有的实例(例如有一堆瓜，里面有好瓜也有坏瓜，并且已经标注（已有标签），也知道这些瓜的颜色、根蒂形状和敲击声音），构造从特征到标签的映射。..
2022-08-12 13:43:47
373
原创 深度学习100例-循环神经网络（RNN）实现股票预测第9天之一
RNN递归神经网络(Recurrent Neural Network, RNN)是一种可以专门用来处理时间序列数据的模型。它可以关注到时间连续这一特性，从而从数据中提取相应的信息。RNN中很重要的一点是新状态是从老状态过来的，这也是循环的含义，就相当于是对信息的重复使用。首先，进行数据处理，我在通达信上下载了上证指数的日线数据，只有1600多行，然后进行了处理，按照老师的代码，自己又改了一下，因为没有那么多的数据，就用前1300行的开盘价数据作为training_set，剩下的数据作为test_set。.
2022-08-11 17:26:11
236
原创 深度学习100例-卷积神经网络（CNN）实现mnist手写数字识别 3
32是过滤器的数量，为什么是32一直也没查到，activation是激活函数，通常设为relu，如果未指定任何值，则不应用任何激活函数。卷积核大小：卷积核定义了卷积的大小范围，在网络中代表感受野的大小，相当于一个取景框的尺寸，用取景框来框像素，计算特征值，二维卷积核最常见的就是 3*3 的卷积核。前面直接粘贴了博主的代码，导致报错，然后又在网上查了查，代码接下来要用到keras这个库，最后得出的结果和博主的一样，不用再次通过pip安装，好像是装tensorflow时就已经装上啦，不用再次安装。...
2022-08-05 16:08:48
213
原创 深度学习100例-卷积神经网络（CNN）实现mnist手写数字识别 2
经过卷积层和池化处理过的数据后，再输入全连接层，得到最终的结果。这样一系列操作后，数据量大幅下降，效率大幅提升，计算成本也大幅降低。网上说，这是将数据集的每个图像放入一个张量，训练图片是6万张，测试图片是1万张，像素都是28*28，因为图像是灰度的值是1，要是彩色RGB就是3，也不知道对不对。plt.imshow(train_images[i], cmap=plt.cm.binary)中plt.imshow是对图像进行处理，显示其格式，也不是很懂，camp是图谱，plt.cm是库中的色彩映射函数。...
2022-08-04 14:38:02
628
原创 深度学习100例-卷积神经网络（CNN）实现mnist手写数字识别 1
“Data Flow Graphs”，表示TensorFlow是一种基于图的计算框架，其中节点（Nodes）在图中表示数学操作，线（Edges）则表 示在节点间相互联系的多维数据数组，即张量（Tensor），这种基于流的架构让 TensorFlow具有非常高的灵活性。就是将数据统一到【0，1】的区间内，通过下面这段代码实现，图片的颜色为什么除的是255，由于三原色中每种颜色都是用8位字符来表示一个分量，2的8次方是256，计算机是从0开始计数，所以是0-255，颜色混合就是1600万色。...
2022-08-03 13:42:43
360
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人